Методи та засоби визначення координат мобільних платформ за умови дії завад

Author:

Цмоць І. Г.ORCID,Теслюк В. М.ORCID,Опотяк Ю. В.ORCID,Бударецький Ю. І.ORCID,Дзюба А. О.ORCID,Олійник О. О.ORCID

Abstract

Сформульовано вимоги до системи інтелектуального визначення координат мобільних платформ за умови дії завад, визначено основні етапи розроблення системи. Запропоновано розроблення системи здійснювати на базі інтегрованого підходу, який охоплює: методи нейромережевого оброблення та аналізу даних від навігаційних сенсорів; методи машинного навчання нейронних мереж; методи навігації; методи збирання та оброблення даних із давачів за умови дії завад і неповноти інформації; сучасну елементну базу. Обрано проблемно-орієнтований підхід для реалізації системи, який передбачає поєднання програмних і апаратних засобів та такі основні принципи розроблення: адаптації до змін у середовищі; системності; змінного складу обладнання; модульності; відкритості програмного забезпечення; сумісності; спеціалізації та адаптації апаратно-програмних засобів до структури алгоритмів; використання комплексу базових проектних рішень. Розроблено структуру системи, основними компонентами якої є модулі: навігаційних давачів; бездротового зв'язку та захисту даних; оброблення, аналізу та відновлення втрачених даних; нейромережевого підвищення точності вимірювання параметрів руху та визначення географічних координат; нейромережевого прогнозування географічних координат і маршруту руху; збирання та збереження даних; визначення географічних координат і управління рухом. Вдосконалено метод нейромережевого сингулярного спектрального аналізу, який за рахунок відкидання головних компонентів, що вносять шуми, забезпечив підвищення точності вимірювання параметрів руху. Показано, що використання сингулярного спектрального аналізу є доцільним у задачах підвищення точності вимірювання параметрів руху та прогнозування вихідних параметрів динамічних об'єктів. Визначено, що нейромережевий спектральний аналіз порівняно з класичними методами немає обмежень на вимірність, є швидким, неітеративним і не нагромаджує похибки.

Publisher

Ukrainian National Forestry University

Reference28 articles.

1. Andriyetskyy, B. (2018). Architecture of a neuronetwork complex for forecasting time sequences based on neuronetwork spectral analysis. Bulletin of the Lviv State University of Life Safety, Vol. 7, 8–12. URL: https://journal.ldubgd.edu.ua/index.php/Visnuk/article/view/664

2. Bekhtin, Y. S., Babayan, P. V., & Strotov, V. V. (2017, June). Onboard FPGA-based fast estimation of point object coordinates for linear IR-sensor. Microprocessors and Microsystems, Vol. 51, 99–105. https://doi.org/10.1016/j.micpro.2017.04.009

3. Bonilla, M. S. I., Pérez, D. G., Cambero, I. De J. R., & Jiménez, J. T. (2022). Training of a convolutional neural network for autonomous vehicle Driving. IEEE International Autumn Meeting on Power, Electronics and Computing (ROPEC), Ixtapa, Mexico, 1–6. https://doi.org/10.1109/ROPEC55836.2022.10018748

4. Chen, Q., Wan, L., & Pan, Ya-Jun. (2023). Object Recognition and Localization for Pick-and-Place Task using Difference-based Dynamic Movement Primitives. IFAC-PapersOnLine, Vol. 56, Issue 2, 10004–10009. https://doi.org/10.1016/j.ifacol.2023.10.865

5. Doroshenko, A., Tkachenko, R., Tsymbal, Yu., & Batiuk, D. (2017). Intelligent components of integrated automated control systems for energy systems. Series of Computer Sciences and Information Technologies (SCSIT), 2017, Vol. 864, Number 1, 90–96. URL: https://science.lpnu.ua/sites/default/files/journal-paper/2018/jul/13748/12.pdf

同舟云学术

1.学者识别学者识别

2.学术分析学术分析

3.人才评估人才评估

"同舟云学术"是以全球学者为主线,采集、加工和组织学术论文而形成的新型学术文献查询和分析系统,可以对全球学者进行文献检索和人才价值评估。用户可以通过关注某些学科领域的顶尖人物而持续追踪该领域的学科进展和研究前沿。经过近期的数据扩容,当前同舟云学术共收录了国内外主流学术期刊6万余种,收集的期刊论文及会议论文总量共计约1.5亿篇,并以每天添加12000余篇中外论文的速度递增。我们也可以为用户提供个性化、定制化的学者数据。欢迎来电咨询!咨询电话:010-8811{复制后删除}0370

www.globalauthorid.com

TOP

Copyright © 2019-2024 北京同舟云网络信息技术有限公司
京公网安备11010802033243号  京ICP备18003416号-3